Kaggle Platformunu Kullanma Kılavuzu: Daha Verimli Nasıl Kullanırız?

Şekil Resim Bir
Kaggle Platformunu Kullanma Kılavuzu: Daha Verimli Nasıl Kullanırız?

İçindekiler

Kaggle Performans Katmanları
Kaggle’da Madalya Nasıl Kazanılır?
Kaggle’da Yarışma Sekmesi Kullanımı
Kaggle’da Yarışmada Kazanan Notebookları İnceleme
Kaggle’da Veri Setleri Menüsü Kullanımı
Kaggle Platformund Gruplandırılmış Notebook Örneklerini
İnceleme
Kaggle’da Makine Öğrenmesi Modellerini Kullanma
Kaggle’da Kod Bölümü Kullanımı
Kaggle’da Notebook Yayınlama
Kaggle’da Tartışma Bölümü Kullanımı
Kaggle’da Başarılı Kullanıcıları Takip Etme

Kaggle Performans Katmanları

Kaggle 2017 yılında Google Cloud tarafından satın alınmış, veri bilimi,makine öğrenimi ve
yapay zeka çalışmaları için çevrimiçi çözümler sunan bir platformdur. Platformda bulunan
veri setleri, öğrenme kaynakları ve ödüllü yarışmalar bu alana ilgi duyan kullanıcıları bir
araya getirmektedir. Kaggle platformunda aktifliğiniz ve yaptığınız çalışmalara göre Kaggle
unvanlarına sahip olabilirsiniz.Kaggle’da derecelendirmeye göre başarı katmanları
bulunmaktadır. Kaggle performans kategorileri Novice ,Contributor, Expert, Master ve
Grandmaster
olarak isimlendirilmektedir. Uzmanlıklar yarışmalar, not defterleri, veri seti
kümeleri ve tartışma kategorilerinde elde edilen başarılara göre
kazanılmaktadır.Kademeler, her kategoride kazanılan madalyalara göre verilir.
Dereceleri kazanmak için yapmanız gerekenler şartları inceleyelim.

Novice performans katmanı:

Kaggle platformuna kayıt olduğunuzda sahip olduğunuz kaggle performans
katmanıdır.

Contributor performans katmanı:

Not defterinde bir dosya çalıştırma
Yarışmayı teslim etme
1 yorum yapma
1 oy verme

Expert performans katmanı:

Bir veya daha fazla uzmanlık kategorisinde çalışma grubunda belli
sayıda madalya kazandığımızda sahip olduğumuz performans
kategorisidir.

Master performans katmanı:

Bir veya daha fazla uzmanlık kategorisinde çalışma grubunda belli
sayıda madalya kazandığımızda sahip olduğumuz performans
kategorisidir.

Grandmaster performans katmanı:

Bir veya daha fazla uzmanlık kategorisinde çalışma grubunda belli sayıda
madalya kazandığımızda sahip olduğumuz performans kategorisidir.

Madalyalar Nasıl Kazanılır?

Kaggle platformunda yarışma, veri seti kümeleri ,notebook ve tartışma kısımlarından
kazanılabilecek madalyalar bulunmaktadır.

Kaggle’da Yarışmalar

Kaggle platformunda veri bilimi alanında becerilerinizi geliştirmek için düzenlenen
yarışmalara bireysel veya takım halinde katılabilir, verilen görevleri programlama dillerini
kullanarak çözüm getirmeye çalışabilirsiniz. Kaggle çalışmanızı değerlendirmeye sokarak
başarınıza göre sıralamaya koyar. Eğer yarışma deneyimi kazanmak istiyorsanız ilk Get
Started etiketinde yer alan maddi ödülü olmayan yarışmalara katılabilirsiniz.

Bir örnek yarışma inceleyerek yarışma ile ilgili bilgi edinelim. Get Started etiketine bastığımızda
çıkan yarışmalardan House Prices veri setini seçerek açılan sayfadan Join Competition
diyerek yarışmaya katılabiliriz.

Overview: Yarışmanın amacını,süresini,yarışma kriterini, ödülünü inceleyebildiğiniz
kısımdır.
Data: Kullanılacak veri setini görüntüleyerek,bilgisayarımıza indirebiliriz.
Code: Bu kısımdan yarışmacıların paylaştığı kodları görebiliriz.
Discussion: Yarışma ile ilgili tartışmaları görüntüleyebilir,soru-cevap etkileşimi
gerçekleştirebiliriz.
LeadBoard: Yarışmadaki başarı puanını görüntüleyebiliriz.
Rules: Yarışmanın kurallarını inceleyebiliriz.

Kaggle’da Yarışmalarda Kazanan Notebookları İnceleme

Kaggle platformunda veri bilimi üzerine birçok yarışma düzenlenmektedir. Düzenlenen
yarışmalarda başarılı olan notebookları incelemek isterseniz Dataset menüsüne gelerek açılan
pencerede Search kısmına Kaggle yazalım. Arama sonuçlarında Meta Kaggle veri setine
girelim. Açılan ekranda Code bölümüne gelerek sıralama kısmında Most Votes kısmına
tıklayalım.

Kaggle’da Veri Setleri Menüsü

Kaggle’da Dataset menüsünü kullanarak

Veri setlerini kategori, etiket, tarih gibi özelliklere göre filtreleyebilirsiniz.Search kısmından
istediğinin veri ile ilgili arama yapabilisiniz. Arama yaptığınızda Most Votes diyerek en
yüksek oy alan veri setine ulaşabilirsiniz.
Kendi veri setinizi Kaggle’a “New Dataset” butonuna tıklayarak yükleyebilirsiniz.
Kaggle’daki veri setlerinin ayrıntılı açıklamalarını, sütunlarını ve veri türlerini inceleyebilir ,
hangi verilerin mevcut olduğunu, verilerin nasıl yapılandırıldığını ve kullanım amaçlarını
anlayabilirsiniz. Veri setinin kullanımına yönelik lisans bilgilerini bulabilirsiniz.
Kullanıcıların veri setini kullanarak yazdığı notebookları inceleyebilir,en çok oy alan
notebook ve en çok katkı sağlayanları görebilirsiniz.
Veri setlerini indirerek analiz ve modelleme yapabilirsiniz. Veri setlerini indirmek için
“Download” seçeneğine tıklayabilir,analiz ve modelleme işlemlerini Kaggle Notebook
üzerinde gerçekleştirebilirsiniz.

Kaggle’da Modeller Menüsü

Kaggle’da artık “Models” menüsünü kullanarak, yarışmalarda veya projelerde kullanılmak
üzere yüklenmiş olan makine öğrenimi modellerini görüntüleyerek kullanabiliyorsunuz. Bu
modeller, Kaggle’da verilen sorunların çözümü için kullanılabilir. Önceden eğitilmiş modeller
veya yarışmalarda belirtilen görevlere göre özelleştirilmiş modeller bulunmaktadır. Bu
modeller, öğrenme algoritmalarını, veri işleme tekniklerini, hiperparametre ayarlarını ve diğer
özellikleri içerir. “Models” menüsündeki modelleri inceleyerek, belirli bir yarışma veya projede
kullanılmak üzere en uygun makine öğrenimi modelini seçebiliriz. Bu modeller üzerinde
çalışmalar yaparak, farklı hiperparametrelerin veya öğrenme algoritmalarının performansını
değerlendirmek ve en iyi sonuçları elde etmek için özelleştirilmiş modeller oluşturmaya da
imkan sağlamaktadır. Bulabileceğiniz modelleme türleri şunlardır:

Text Classification
Image Feature Vector
Object Detection
Image Segmentation
Image Classification
Audio Synthesis
Pose Detection

Kaggle’da Kod Menüsü

Kaggle platformundaki Code menüsünü inceleyelim. Code menüsünda açılan pencereden
New Notebook diyerek yeni bir notebook açalım. Açtığımızda ilk hücrede kodlar hazır olarak
gelmektedir.

Add Data butonunu kullanarak veri seti ekleyebiliriz. İlk hücredeki kodları çalıştırdığımızda
eklemiş olduğumuz veri setini çalıştırmak için veri setinin dosya yolunu göstermektedir. Bir
sonraki hücrelerdeki kodları yazarak veri setini çalıştırabilirsiniz. Add Models butonuna
tıklayarak hazır makine öğrenmesi modelleri üzerinde de çalışabilirsiniz.
Markdown butonuna basarak çalıştığınız notebook üzerine açıklama yazıları ekleyebilirsiniz.
Klavyeden B Tuşuna basarak yeni boş bir hücre açabilir, klavyeden DD yazarak hücreyi
silebilirsiniz. Hücre üzerindeyken klavyede M tuşuna basarak hüceryi Markdown
yapabilirsiniz.Kaggle kısayolları hakkında detaylı dokümana ulaşmak için linke tıklayabilirsiniz.

Kod menüsünü kullanarak

Veri setlerini okuyabilir, temizleyebilir, veri ön işleme işlemlerini gerçekleştirebilirsiniz.
Veri setleri üzerinde çalışırken, verileri daha iyi anlamak için görselleştirme yapabilirsiniz.
matplotlib, ggplot ve seaborn gibi veri görselleştirme kütüphanelerini kullanabilirsiniz.
Makine öğrenimi algoritmalarını kullanarak sınıflandırma, regresyon ve kümeleme gibi
makine öğrenimi modelleri oluşturabilirsiniz.Scikit-Learn, TensorFlow ve PyTorch gibi
popüler makine öğrenimi kütüphanelerini kullanabilirsiniz.Modelinizi test etmek ve
doğruluğunu ölçmek için performans metriklerini kullanabilirsiniz.

Kaggle’da Notebook Yayınlama

Kaggle platformunda Code menüsünde New Notebook butonuna tıklayıp,açılan kod
ekranında notebook çalışmamızı yapabiliriz. Herkese açık olarak notebook çalışmasını
paylaşmak için Share butonuna basarak Public seçeneğini aktif hale getirebilirsiniz.

Kaggle’da Tartışma Bölümü

Kaggle platformundaki Discussions menüsünü kullanarak kullanıcılara soru sorabilir ve
cevaplarını bu kısımdan görüntüleyebilirsiniz.Platformda yer alan büyük bir toplulukla veri
bilimi alanında birçok konuyu tartışabilirsiniz.Projelerinizle ilgili fikirler ve geri bildirimler alarak
projenizde iyileştirmeler yapabilirsiniz. Yarışma düzenlemek istiyorsanız Competition Hosting
kısmındaki tartışmalara bakabilirsiniz.

Kaggle’da Başarılı Kullanıcıları Takip etme

Bir yanıt yazın

E-posta adresiniz yayınlanmayacak. Gerekli alanlar * ile işaretlenmişlerdir